如何用Python將DataFrame中的資料擷取維新的DataFrame
閱讀時間約 1 分鐘
首先這是我們的資料：
import pandas as pd
data = pd.read_csv("違反發展觀光條例經裁罰之非法旅宿名單(至109年9月30日止).csv")
我們想要擷取紅色框框的資料成為新的DataFrame
首先我們先擷取資料內容，有兩種方法可以幫助我們擷取資料內容：
第一種是iloc
data_bb = data.iloc[15:27,1:4]
第二種是loc
data_bb = data.loc[15:26,["旅館名稱","違規項目","旅館地址"]]
擷取資料內容後，我們可以來擷取欄位名稱：
data.iloc[14:15,1:4]
我們發現這還是資料表形式，我們要將其中的值取出成為list：
data.iloc[14:15,1:4].values.tolist()
接著我們就可以來設定欄位名稱：
data_bb.columns = data.iloc[14:15,1:4].values.tolist()
結果如下：
但我們發現，index沒有重0開始，所以我們可以來重設一下index
data_bb.reset_index(drop=True,inplace=True)
留言0
查看全部
你可能也想看
Google News 追蹤
在資料分析過程中，透過衡量變數之間的線性或非線性關係，能有效探索數據集，篩選出重要特徵，並進行預測建模。本文介紹瞭如何理解數據、使用相關矩陣找出變數關聯性，以及利用互資訊評估變數之間的依賴程度，幫助資料科學家在建模過程中選擇適當的變數，提升模型效果。
Python資料視覺化在數據分析中扮演關鍵角色，透過視覺化捕捉數據模式、趨勢和異常，透過Matplotlib等工具創建專業圖表變相對簡單和高效。
pandas是用於資料操縱和分析的Python軟體庫。它建造在 NumPy 基礎上，並為操縱數值表格和時間序列，提供了資料結構和運算操作。
Pandas 的主要資料結構包含 Series 和 DataFrame 物件，由於 Pandas 本身基 Numpy 所以在使用大量資料運算時效能表現也優於原
題目敘述
題目會給定一個pandas DataFrame作為輸入，要求我們以原有的資料表為基礎，融合不同的資料欄位。
以product作為index，融合quarter_1,quarter_2,quarter_3,quarter_4 這四個欄位，並且重新命名為quarter，並且將數值欄位名稱重
題目敘述
題目會給定一個pandas DataFrame作為輸入，要求我們以原有的資料表為基礎，將資料表做樞紐轉換，垂直方向是月份，水平方向是不同的城市，而表格內容是該城市在某個月份的溫度。
題目的原文敘述
測試範例
Example 1:
Input:
+--------------+-
題目敘述
題目會給定兩個pandas DataFrame作為輸入，要求我們將兩張資料表，依照原有的順序串接在一起。
題目的原文敘述
測試範例
Example 1:
Input:
df1
+------------+---------+-----+
| student_id | name
題目敘述
題目會給定一個pandas DataFrame作為輸入，要求我們以原有的資料表name欄位為檢查基準，刪除有缺失值None的 data rows。
題目的原文敘述
測試範例
Example 1:
Input:
+------------+---------+-----+
| s
題目敘述
題目會給定一個pandas DataFrame作為輸入，要求我們回傳student_id為101的這筆資料，並且列出它的"name"和"age"欄位。
題目的原文敘述
測試範例
Example 1:
Input:
+------------+---------+-----+
|
題目敘述
題目會給定一個pandas DataFrame作為輸入，要求我們回傳資料表的前3個Row。
題目的原文敘述
測試範例
Example 1:
Input:
DataFrame employees
+-------------+-----------+-------------
題目敘述
題目會給定一個python list形式的輸入，要求我們把它轉換成pandas dataframe的形式做輸出。並且指定column名稱分別為student_id, 和 age
題目的原文敘述
測試範例
在資料分析過程中，透過衡量變數之間的線性或非線性關係，能有效探索數據集，篩選出重要特徵，並進行預測建模。本文介紹瞭如何理解數據、使用相關矩陣找出變數關聯性，以及利用互資訊評估變數之間的依賴程度，幫助資料科學家在建模過程中選擇適當的變數，提升模型效果。
Python資料視覺化在數據分析中扮演關鍵角色，透過視覺化捕捉數據模式、趨勢和異常，透過Matplotlib等工具創建專業圖表變相對簡單和高效。
pandas是用於資料操縱和分析的Python軟體庫。它建造在 NumPy 基礎上，並為操縱數值表格和時間序列，提供了資料結構和運算操作。
Pandas 的主要資料結構包含 Series 和 DataFrame 物件，由於 Pandas 本身基 Numpy 所以在使用大量資料運算時效能表現也優於原
題目敘述
題目會給定一個pandas DataFrame作為輸入，要求我們以原有的資料表為基礎，融合不同的資料欄位。
以product作為index，融合quarter_1,quarter_2,quarter_3,quarter_4 這四個欄位，並且重新命名為quarter，並且將數值欄位名稱重
題目敘述
題目會給定一個pandas DataFrame作為輸入，要求我們以原有的資料表為基礎，將資料表做樞紐轉換，垂直方向是月份，水平方向是不同的城市，而表格內容是該城市在某個月份的溫度。
題目的原文敘述
測試範例
Example 1:
Input:
+--------------+-
題目敘述
題目會給定兩個pandas DataFrame作為輸入，要求我們將兩張資料表，依照原有的順序串接在一起。
題目的原文敘述
測試範例
Example 1:
Input:
df1
+------------+---------+-----+
| student_id | name
題目敘述
題目會給定一個pandas DataFrame作為輸入，要求我們以原有的資料表name欄位為檢查基準，刪除有缺失值None的 data rows。
題目的原文敘述
測試範例
Example 1:
Input:
+------------+---------+-----+
| s
題目敘述
題目會給定一個pandas DataFrame作為輸入，要求我們回傳student_id為101的這筆資料，並且列出它的"name"和"age"欄位。
題目的原文敘述
測試範例
Example 1:
Input:
+------------+---------+-----+
|
題目敘述
題目會給定一個pandas DataFrame作為輸入，要求我們回傳資料表的前3個Row。
題目的原文敘述
測試範例
Example 1:
Input:
DataFrame employees
+-------------+-----------+-------------
題目敘述
題目會給定一個python list形式的輸入，要求我們把它轉換成pandas dataframe的形式做輸出。並且指定column名稱分別為student_id, 和 age
題目的原文敘述
測試範例